[发明专利]一种暗网电子数据提取固定方法

权利要求书

1.一种暗网电子数据提取固定方法，其特征在于，包括：

步骤1、编写暗网网站爬虫，利用浏览器测试框架进行暗网网站爬取；

步骤2、暗网网站交易文本信息固定；

步骤3、取证结果的可视化呈现。

2.如权利要求1所述的暗网电子数据提取固定方法，其特征在于，所述暗网网站的域名地址的获取包括以下方法：

(1)Google语法搜索：利用Google语法进行搜索，获取与暗网域名相关的百度结果链接，并保存在本地txt文档中；

(2)正则表达式：根据Tor网络域名的形式，通过正则表达式收集域名地址，并使用以下URL的正则表达式进行匹配：

^https？:\/\/(([a-z0-9_-]{1,64}\.){0,4}[a-z0-9＝]{16}\.onion)(:|\/|$)

从而获得相应的Tor网址，存储在本地txt文档并持续更新.将上述方法所收集的Tor域名地址，保存至urls.txt中。

3.如权利要求1所述的暗网电子数据提取固定方法，其特征在于，所述步骤1中利用浏览器测试框架进行暗网网站爬取具体为：针对暗网的网站结构，暗网爬虫利用Selenium自动化测试框架进行爬取,Selenium测试直接运行在浏览器中，支持自动录制动作和自动生成.Net、Java、Perl不同语言的测试脚本。

4.如权利要求1所述的暗网电子数据提取固定方法，其特征在于，所述步骤1中暗网网页爬取具体为：

步骤1.1：网页搜索：先利用Selenium访问用户输入的目标网址，随后根据用户提供的地址进行网页搜索，网页搜索步骤采用广度优先算法进行遍历，先将输入的主网站的域名作为入口，以主网站为第一层节点，然后爬取位于第二层的所有节点，层层爬行，直至未爬取队列为空或者达到设定的层次提取出未访问过的待爬取的URL列表；

步骤1.2：网页解析：对网页中内容进行数据分析，把下载的网页文档字符串作为输入，提取出该网页中需要的数据和未访问过的待爬取的URL列表，然后将这些数据保存到MySQL数据库中；

步骤1.3：网页下载：采用Python的Selenium自动化测试框架的网络爬虫对暗网网站进行截屏固定，利用Selenium中save_screenshot()函数对网页数据进行全屏截图；

步骤1.4：电子数据保全：对所提取到的截图进行电子数据完整性校验，计算电子数据完整性校验值；

步骤1.5：数据保存：将已经下载好的截图与完整性校验值一同根据用户的需求，保存到本地或者保存到服务器；

步骤1.6：从数据库被提取固定网站表中提取新的URL。

5.如权利要求4所述的暗网电子数据提取固定方法，其特征在于，所述步骤1.4中使用哈希算法计算电子数据完整性校验值，具体为：

(1)电子数据文件的打开方式是二进制方式，即打开文件时使用b模式；

(2)用SHA-1作为哈希值的计算方式，SHA-1的结果是20字节长度，通常用一个40位的16进制字符串表示。